Agentic AI 為何可能掀起新一輪 CPU 需求爆發

Agentic AI 為何會推高 CPU 需求

在傳統 AI 架構中，GPU 主要負責深度學習模型所需的大量矩陣運算，例如模型訓練與推論。

但 Agentic AI 系統的架構更複雜。它們通常需要同時調用多個模型與工具，並執行多步決策流程，因此需要更多 CPU 來處理周邊工作，例如：

• 協調多個模型與工具
• 任務排程與流程控制
• 資料檢索與管理
• 網路與記憶體調度
• 推論系統的整體邏輯控制

簡單來說：GPU 負責計算，CPU 負責協調整個系統。

當企業開始大規模部署 AI 應用時，這個「協調層」的計算需求也會急速放大。

GPU 與 CPU 的比例正在接近 1:1

資料中心架構也因此出現明顯變化。

過去大型 AI 叢集通常採用：

• 1 顆 CPU 搭配 4 到 8 顆 GPU 的配置

但蘇姿丰指出，在下一代 AI 基礎設施中，這個比例正逐漸朝 接近 1:1 發展。

原因包括：

• 分散式 AI Agent 的協調需求
• 工具呼叫與工作流程執行
• 即時推論管線
• 高速資料在系統間傳輸

這意味著 CPU 不再只是 GPU 的「輔助主機」，而是整個 AI 運算架構中更重要的一環。

2030 年市場規模：1200 億到 1250 億美元

CPU 在 AI 架構中的角色提升，也讓市場預測大幅上修。

AMD 的預測：

• 伺服器 CPU 市場未來年成長率可能超過 35%
• 2030 年市場規模將超過 1200 億美元，幾乎是先前預估的兩倍。

美國銀行（Bank of America）的預測：

• 市場將從 2026 年約 430 億美元
• 成長到 2030 年約 1250 億美元
• 約 31% 年複合成長率（CAGR）。

兩種預測的結論相同：AI 基礎設施正在變得更「CPU 密集」。

AMD、Intel、ARM 的競爭格局

未來市場成長也將重塑晶片架構的競爭。

根據美銀估計，到 2030 年：

• x86 架構（主要為 AMD 與 Intel）：約 56% 市佔
• ARM 客製化晶片：約 37% 市佔，多由大型雲端公司自研。

在 x86 陣營中，AMD 近年在資料中心 CPU 市場持續擴大市佔。一些分析師甚至預測，AMD 到 2030 年可能取得相當大的市場份額。

不過競爭仍然激烈，原因包括：

• Intel 持續強化伺服器處理器產品
• 雲端巨頭（如 hyperscalers）越來越多自研晶片
• ARM 架構在能源效率上的優勢

因此最終市場分配仍存在不確定性。

AI 基礎設施需求已影響 AMD 業務

這波 AI 投資潮已經開始反映在 AMD 的營運與股價上。

首先，在公司發布強勁的 AI 相關財測後，AMD 股價在盤後交易一度上漲約 12%。

其次，需求成長也對供應鏈造成壓力。蘇姿丰表示，公司正在與台灣製造合作夥伴合作，提升 CPU 產能，因為市場需求比預期更強。

這顯示 CPU 需求的成長不只是長期預測，而是已經影響到當前的生產與供應規劃。

AI 硬體敘事正在改變

過去幾年，AI 硬體幾乎被視為「GPU 的故事」。

但隨著 AI 系統開始具備規劃、推理與工具互動能力，整個運算堆疊（compute stack）正在擴大。

在這種架構下：

• GPU 負責高密度運算
• CPU 負責協調與系統控制

這也是為什麼越來越多分析師認為，下一階段的 AI 基礎設施競賽，將不只是 GPU，而是 CPU 與 GPU 的共同戰場。

如果目前的預測成真，到了本世紀末之前，CPU 在資料中心中的角色可能會比上一輪 AI 浪潮重要得多。